Skip to content

Fixing lesson 9 typos #24

New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Open
icrichmond wants to merge 2 commits into
base: main
Choose a base branch
from
Open

Fixing lesson 9 typos #24

Changes from all commits
Commits
Show all changes
2 commits
Select commit Hold shift + click to select a range
e6e28b9
typo in composantes principales intro text
icrichmond Oct 10, 2024
7592253
fixing typo in intro text for composantes principales
icrichmond Oct 10, 2024
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
4 changes: 2 additions & 2 deletions book-fr/06-analyse-des-composantes-principales.Rmd
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -6,13 +6,13 @@ opts_chunk$set(fig.align = 'center')

# Analyse en composantes principales

L'analyse en composantes principales (ACP) est une technique statistique utilisée pour réduire la dimensionnalité d'un ensemble de données tout en conservant la majeure partie de sa variabilité. variabilité. Il s'agit d'une méthode de transformation linéaire qui convertit l'ensemble de variables d'origine en un nouvel ensemble de variables linéairement non corrélées. l'ensemble original de variables en un nouvel ensemble de variables linéairement non corrélées, appelées linéairement non corrélées, appelées composantes principales (CP), qui sont classées par ordre décroissant de variance. par ordre décroissant de variance.
L'analyse en composantes principales (ACP) est une technique statistique utilisée pour réduire la dimensionnalité d'un ensemble de données tout en conservant la majeure partie de sa variabilité. variabilité. Il s'agit d'une méthode de transformation linéaire qui convertit l'ensemble original de variables en un nouvel ensemble de variables linéairement non corrélées, appelées composantes principales (CP), qui sont classées par ordre décroissant de variance. par ordre décroissant de variance.

L'ACP a été introduite pour la première fois par Karl Pearson en 1901, qui a développé les fondements mathématiques de la méthode. les fondements mathématiques de la méthode. Plus tard, Harold Hotelling (1933) a fourni une interprétation plus détaillée et plus moderne de la méthode ACP.

L'ACP est devenue l'une des techniques les plus utilisées dans l'analyse des données données en raison de sa capacité à identifier des modèles cachés et à réduire la complexité des données à haute dimension.

En substance, l'ACP vise à trouver les combinaisons linéaires des variables qui représentent la plus grande quantité possible de variation dans l'ensemble l'ensemble des données. Les composantes principales qui en résultent sont orthogonales les unes par rapport aux autres, ce qui signifie qu'elles ne sont pas corrélées entre elles. orthogonales, ce qui signifie qu'elles ne sont pas corrélées. leur importance dans l'explication de la variabilité des données.
En substance, l'ACP vise à trouver les combinaisons linéaires des variables qui représentent la plus grande quantité possible de variation dans l'ensemble l'ensemble des données. Les composantes principales qui en résultent sont orthogonales les unes par rapport aux autres, ce qui signifie qu'elles ne sont pas corrélées entre elles et leur ordre reflète leur importance dans l'explication de la variabilité des données.

Pour vous familiariser avec l'ACP, nous allons suivre des exemples détaillés sur la façon de l'exécuter étape par étape. comment l'effectuer étape par étape, puis nous utiliserons les fonctions des paquets R pour la réaliser.

Expand Down